画像検査におけるCNNの入力を考える: 周辺視と固視微動に学hで

摘要

CNN(Convolutional Neural Network)を用いた欠陥検出·分類手法が多く提案されている.その研究の多くは，未処理の画像を入力データとして用いている.これは，CNNが学習を通して，画像特徴を自動で設計する機能を有するためである.一方でCNNを含めた深層学習は，検出·分類精度に入力データの質が大きく影響することが分かっている.そのためCNNの入力を考えることには意義がある.入力データを未処理の画像にし，特徴抽出の全てをCNNに任せるのではなく，入力データに前処理を行うことによって特徴抽出や，多様なワークへの融通性の面においての問題点を改善することが可能であると考えられる.その前処理は，「画像認識において本質的な原信号はなhであるか」を考慮しておく必要があると考える.そこで本研究は，CNNの入力データを人の視覚生理機構のうちの周辺視と固視微動に学び，多重解像度•多重位相画像に変換する.また，それを用いたCNNの層構造を検討する.